Pelvic X-ray images for PelviXNet model

This is a reader study data set of 150 pelvic radiographs that correspond to the Nature Communication paper "A Physician-Level Scalable Deep Learning Algorithm of Universal Trauma Finding Detection of Pelvic Radiographs". <br>Chi-Tung Cheng, Yirui Wang, Huan-Wu Chen, Po-Meng Hsiao, Chun-Nan Yeh, Chi-Hsun Hsieh, Shun Miao, Jing Xiao, Chien-Hung Liao, Le Lu (2021): A scalable physician-level deep learning algorithm detects universal trauma on pelvic radiographs, Springer Science and Business Media LLC https://doi.org/10.1038/s41467-021-21311-3本数据集为包含150份骨盆X线片（pelvic radiographs）的阅片研究数据集，对应发表于《自然-通讯（Nature Communication）》的论文《面向骨盆X线片通用创伤检出的、可达到医师级性能的可扩展深度学习算法》。该论文作者包括郑齐同（Chi-Tung Cheng）、王翊睿（Yirui Wang）、陈焕武（Huan-Wu Chen）、萧博盟（Po-Meng Hsiao）、叶俊南（Chun-Nan Yeh）、谢启勋（Chi-Hsun Hsieh）、苗顺（Shun Miao）、肖静（Jing Xiao）、廖建宏（Chien-Hung Liao）、卢乐（Le Lu）；2021年，该研究由Springer Science and Business Media LLC发表，其短标题为《一款可达到医师级性能的可扩展深度学习算法可检出骨盆X线片上的全身创伤》，相关DOI链接为https://doi.org/10.1038/s41467-021-21311-3。